自适应小波算法用于近红外光谱的多元校正

实现了一种构建自适应小波滤波器的方法,并将其用于近红外光谱数据的多元校正。该方法根据一定的目标函数,针对信号的特性自适应地构造小波滤波器。用该法构建的滤波器对烟草样品的近红外光谱进行压缩,并将压缩后的数据采用偏最小二乘法建模,实现了烟草样品常规组分的定量分析。     

主成分—人工神经网络在近红外光谱定量分析中的应用

近红外光谱的主成分由非线性迭代偏最小二乘法（ＮＩＰＡＬＳ）求出,主成分作标准化处理后,作为Ｂ－Ｐ神经网络的输入结点进行非线性迭代。该法的优点是,充分利用了全光谱的数据,得到消除噪声后的最佳主成分,能建立非线性模型,Ｂ－Ｐ神经网络迭代时间显著缩短,用该法对大麦中的淀粉含量进行了定量分析研究。结果为：校准和预测的相关系数分别为０．９８１和０．９５３,校准和预测的相对标准偏差分别为１．７０％和２．４８％     

近红外光谱主成分—所有可能回归法定量分析烤烟,小麦样品中的组 …

利用主成分－所有可能回归法,建立了烤烟、小麦样品不同组份的近红外光谱定量分析模型。结果表明,烤烟样品的总糖、还原糖以及小麦蛋白质含量预测模型均有好的定量分析结果,县其预测结果与ＰＬＳ法预测结果相当。     

近红外光谱定量校正模型的建立及应用

介绍了近红外光谱定量校正模型的建立步骤,从样品集的选择,光谱的采集,定量校正模型的建立和验证,到模型适用性判据的建立.在此基础上,剖析了影响近红外光谱分析结果的因素,并讨论了在实际应用过程中应注意的关键性问题.     

仪器噪声在近红外光谱偏最小二乘模型内的传播效应

在实际多元校正应用中有很多因素会影响偏最小二乘(PLS)模型的预测效果,作为光谱数据本源的仪器噪声是其中的重要影响因素。以往的研究工作多使用各种滤波器或平滑方法来降低仪器噪声的影响,然而对于仪器噪声如何影响偏最小二乘的建模过程和模型预测能力鲜有报道。该文阐述并论证了仪器噪声怎样通过第一个隐变量的计算被引入模型中,经过对偏最小二乘计算过程的理论推导,论述了噪声的引入对偏最小二乘权重向量、载荷向量计算具有累积效应,并随着后续隐变量的计算不断在模型中传递,从而对偏最小二乘模型产生影响。同时对偏最小二乘模型的预测误差进行理论分解,将其划分为无噪理想模型本身的误差和由噪声传播导致的误差。结果表明,仪器噪声不仅会降低偏最小二乘模型的预测性能,还会影响偏最小二乘模型的最优复杂度选择。     

近红外光谱分析技术在快速分析上的应用

简要介绍了近红外光谱的原理、特点,综述了近红外光谱在农业、食品、制药、石油化工、高分子等领域快速分析上的研究及应用现状,并对近红外光谱的应用前景进行了展望．     

软件技术在近红外光谱定量分析中的应用

为了更好地运用化学计量学方法提高近红外光谱定量分析的质量,全面研究了相关算法技术与软件工具的应用。根据近红外光谱定量分析的一般流程,依次探讨了光谱数据预处理、异常样本检测、样本集划分、波长选择、模型建立及其参数优化的常用算法,并给出了其中各种主流算法的基本步骤;然后介绍了OMNIC、OPUS、Origin、The Unscrambler X和MATLAB等软件工具的功能特点和主要用途,可为相关技术研究和分析检测工作提供参考。     

主成分-人工神经网络在近红外光谱定量分析中的应用

近红外光谱的主成分由非线性迭代偏最小二乘法（ＮＩＰＡＬＳ）求出。主成分作标准化处理后,作为Ｂ－Ｐ神经网络的输入结点进行非线性迭代。该法的优点是,充分利用了全光谱的数据,得到消除噪声后的最佳主成分,能建立非线性模型,Ｂ－Ｐ神经网络迭代时间显著缩短。用该法对大麦中的淀粉含量进行了定量分析研究。结果为：校准和预测的相关系数分别为０．９８１和０．９５３,校准和预测的相对标准偏差分别为１．７０％和２．４８％。     

近红外光谱在品质分析和定量分析中的应用

主要介绍近红外光谱在品质分析和定量分析中的一些应用，作为一种简单、快速、无损的检测手段，近红外光谱在鉴定原料的真伪、原料中有效成分的含量、有毒组分的识别等方面具有独特的效果。因此它在食品、药品、化工产品等领域得到了广泛应用。     

复杂样品近红外光谱定量分析模型的构建方法

针对复杂样品近红外光谱分析中校正集的设计问题, 探讨了标准样品参与复杂样品建模的可行性. 通过标准样品和复杂基质样品共同构建的偏最小二乘(PLS)模型, 考察了波段筛选和建模参数对预测结果的影响. 结果表明, 采用PLS方法建立定量模型时, 校正集样品性质应该尽量与预测集样品相似, 当样品的性质相差较大时, 适当增加校正集样品的差异性可使模型具有更强的预测能力. 同时, 波段优选对提高预测结果的准确性具有重要的意义.     

近红外光谱在蛋白质和含酰胺基团聚合物研究中的应用*

近红外光谱(near-infrared spectroscopy,NIR)是一种常用的无损表征手段,但谱带强度弱、交叠情况严重等缺点局限了它的应用范围。本文介绍了几种常见的改善近红外光谱技术不足的方法,如二阶导数法、二维相关光谱法和化学计量法等,并举例阐述了近红外光谱在蛋白质和含酰胺基团聚合物的结构和含量等方面的应用。这些方法对近红外光谱的定性定量分析起了很好的辅助作用,有效地拓宽了近红外光谱技术的应用领域。     

近红外光谱法快速分析有机肥料中有机质、总养分和pH值

建立了近红外光谱法结合偏最小二乘(PLS)法测定126种有机肥料中有机质、总养分和p H值的快速方法。采用K–S法分类,选取S–G平滑、S–G导数、多元散射校正和均值平均化4种前处理方法对粉碎后样品的近红外光谱信息进行预处理,以PLS法建立定量分析模型。结果表明,有机肥料中总养分的RC,SEC,RP,SEP,RPD分别为0.990,1.272%,0.985,1.084%,5.9;p H值的RC,SEC,RP,SEP,RPD分别为0.910,0.344%,0.737,0.428%,2.9。有机质项目根据国标方法分为小于40%、小于55%和大于55%3种样品进行分析,3种样品的RP分别为1.000,0.989,1.000;RPD分别为18.9,17.5,8.8。对比国标方法,有机质和总养分的测定精度满足实验室精确分析要求,p H值测定法可用于定量分析。NIR–PLS法实现了对有机肥料进行无损快速的检测分析。     

红外光谱法对肉苁蓉径向不同部位的分析与评价

采用傅里叶变换红外光谱、二阶导数谱和二维相关红外光谱技术对肉苁蓉由表及里3个部位的药材粉末及其水提物和醇提物进行了分析与评价研究.结果表明,肉苁蓉不同部位的一维光谱非常相似,三者相似系数分别为0.9605,0.944和0.976;二阶导数谱中峰位和峰强的差异明显.1430～1700 cm-1范围内的二维相关谱中皮部自动峰有3个,而中部及髓部均为4个,更直观的反映出三者的差异.不同部位水提物和醇提物的分析结果进一步明确了肉苁蓉皮部芳香类、环烯醚萜类及糖苷类物质与中部和髓部存在明显不同,而髓部的水溶性多糖、半乳糖醇和苯乙醇苷类物质均高于其它部位.可见红外光谱法结合二维相关红外光谱技术为同种药材不同部位的细微差异分析和评价提供了一种快速、全面和客观的方法和手段.     

基于近红外光谱分析技术的食品包装塑料的定性分析

该文基于近红外漫反射光谱分析技术对食品包装材料聚乙烯、聚丙烯进行定性判别试验研究,选取不同波段范围、采用不同光谱预处理方法,使用主成分分析法(Principal component analysis,PCA)结合SIMCA、贝叶斯判别、K-近邻3种模式识别方法建立定性预测模型,并根据正确识别率比较了各模型预测性能。结果表明:使用SIMCA方法、贝叶斯判别、K-近邻3种方法建立的定性校正模型均在1 050～1 550 nm波长范围内效果较好;采用矢量归一化、标准正态变量变换、中心化、滑动均值滤波、多项式平滑滤波、一阶微分6种光谱预处理方法和上述3种模式识别方法对塑料样品近红外光谱进行了数据处理,其中在1 050～1 550 nm范围内,主成分因子数为3,采用原始光谱建立的K-近邻定性校正模型较优,对样品校正集和预测集的正确识别率均为100%。可为食品包装材料聚乙烯、聚丙烯的快速鉴别研究提供参考。     

MALDI质谱技术在酶活性分析中的应用

酶作为生物催化剂参与很多重要的生理过程,同时也是一类重要的生物分子。酶的活性分析对于疾病诊断和治疗具有重要意义。基质辅助激光解吸电离飞行时间质谱(MALDI-TOF MS)具有操作简单、分析速度快、灵敏度高和易于实现高通量分析的特点,已被广泛用于各种组学研究和生物分子的检测,在酶的检测和活性分析中亦发挥了重要作用。该文综述了国内外利用MALDI-TOF MS分析酶活性和进行药物筛选的策略,总结了各种方法的优缺点,提出了MALDI质谱技术在酶活性分析领域存在的问题和挑战,并对其发展前景进行了展望。     

段式正交信号校正方法及在小麦近红外光谱数据分析中的应用

针对光谱数据峰宽、局部效应显著、含有噪音、变量个数多及彼此间常存在严重的复共线性等问题,改进和设计一种光谱数据局部校正方法:基于窗口平滑的段式正交信号校正方法,并将之结合偏最小二乘回归,以实现光谱数据的预处理及定量分析。通过NIPALS算法初始化将滤去的正交成分,以近邻分段方式进行逐个波长点的正交信号校正。而后将去噪后的光谱矩阵作为新的自变量阵,通过偏最小二乘回归构建其与性质参变量间的校正模型。通过小麦近红外漫反射光谱数据的应用实验结果表明,本方法正交成分估计稳定,去噪明显,模型的预报性能优于其它方法,PLS成分数减少,模型更加简洁。     

中红外、近红外和拉曼光谱法测定商品农药制剂中氰戊菊酯和马拉硫磷的含量

利用近红外、中红外和拉曼光谱法定量分析了商品农药制剂中有效成分氰戊菊酯和马拉硫磷的含量.采用偏最小二乘法(Partial least squares,PLS)建立氰戊菊酯和马拉硫磷的定量模型并进行了优化,用独立检验集对模型适应性进行评价.近红外和中红外法测定氰戊菊酯、马拉硫磷定量模型的相关系数分别是0.9981,0.9994和0.9946,0.9998,外部验证集标准差分别是0.082,0081和0.092,0.075,两种方法的定量效果接近;拉曼法氰戊菊酯和马拉硫磷定量模型的相关系数分别为0.9872和0.9993,外部验证集标准差分别为0.254和0.317,预测精度不及近红外和中红外法高.MIR-ATR,NIR和Raman 3种方法均能满足现场检测农药质量的需要.     

Crude Oil Model Emulsion Characterised by means of Near Infrared Spectroscopy and Multivariate Techniques

Water-in-oil emulsions are investigated by means of multivariate analysis of near infrared (NIR) spectroscopic profiles in the range 1100 — 2250 nm. The oil phase is a paraffin-diluted crude oil from the Norwegian Continental Shelf. The influence of water absorption and light scattering of the water droplets are shown to be strong. Despite the strong influence of the water phase, the NIR technique is still capable of predicting the composition of the investigated oil phase.